awesome-free-llm-apis — каталог бесплатных LLM API и готовых конфигураций

· 2 мин чтения
llm api free-tier model-selection developer-tools
📂 Исходный код на GitHub

Каталог бесплатных LLM API с ежедневно обновляемыми данными, сравнением провайдеров, быстрыми инструкциями по подключению и конфигурациями для Claude Code, Cursor, Codex, Aider и других инструментов.

awesome-free-llm-apis — каталог бесплатных LLM API и готовых конфигураций

Репозиторий awesome-free-llm-apis — это структурированный каталог бесплатных LLM API. По состоянию на 24 сентября 2026 года его README заявляет 508+ бесплатных LLM API от 31 провайдера. В отдельном описании полного набора данных указано 453 модели: цифры относятся к разным способам подсчёта, поэтому их стоит воспринимать как срез каталога, а не как постоянную статистику.

Проект решает практическую задачу: вместо поиска по десяткам README и страниц регистрации можно в одном месте сравнить бесплатные тарифы, лимиты, контекстные окна и доступные модальности, а затем скопировать базовый URL, идентификатор модели и инструкции по подключению. Данные обновляются ежедневно через сайт freellm.net.

Что находится в каталоге

В README есть несколько связанных таблиц:

  • поставщики с постоянным бесплатным тарифом;
  • провайдеры с периодически пополняемыми бесплатными кредитами;
  • базовые URL для API и страницы получения ключей;
  • лучшие бесплатные модели с идентификаторами, контекстным окном и заявленными лимитами;
  • локальные и self-hosted-инструменты для работы без облачного API;
  • ссылки на конфигуратор, playground и каталог API-ключей.

Для постоянного free tier отдельно указано, нужна ли банковская карта, регистрация или подтверждение телефона. В таблице моделей сопоставляются text, reasoning, code, vision, image, audio, video, PDF и другие модальности. Это полезнее простого списка ссылок: при выборе провайдера сразу видно, подходит ли он, например, для длинного контекста или работы с изображениями.

Как выбрать провайдера

В таблице постоянных free tier можно увидеть несколько заметных вариантов. У NVIDIA NIM указано 132 бесплатные модели, контекст до 1 млн токенов и подтверждение телефона. У ModelScope — 61 модель, контекст до 1 млн токенов и регистрация. Cloudflare Workers AI заявляет 40 моделей, контекст до 262 тысяч токенов и отсутствие банковской карты. У Google Gemini указано 19 моделей и контекст до 1 млн токенов, а у Groq — 12 моделей, контекст до 262 тысяч токенов и отсутствие карты.

OpenRouter вынесен в отдельную категорию: для него указано 34 бесплатные модели, free tier и пополнение на 10 долларов, которое переводит лимит примерно на 1000 запросов в день. Это не полностью безусловный free tier, поэтому условия нужно учитывать отдельно.

При выборе лучше сравнивать не только число моделей, но и контекстное окно, rate limit, требования к аккаунту и нужные modalities. Сам каталог отражает состояние на дату обновления: лимиты и доступность конкретных моделей могут измениться.

Как подключить провайдера

Базовый сценарий состоит из трёх шагов:

  1. Выбрать провайдера в каталоге. Авторы рекомендуют начать с Groq, где для старта не нужна банковская карта, а в примере указано ограничение 30 запросов в минуту.
  2. Получить API-ключ на странице, указанной рядом с провайдером.
  3. Подставить базовый URL и идентификатор модели в выбранный кодинг-инструмент.

Большинство перечисленных API предоставляют OpenAI-совместимый endpoint. Поэтому для простых интеграций достаточно поменять baseURL и API-ключ. Например, минимальный вызов через OpenAI Python SDK выглядит так:

import os
from openai import OpenAI

client = OpenAI(
    base_url="https://api.groq.com/openai/v1",
    api_key=os.environ["GROQ_API_KEY"],
)

response = client.chat.completions.create(
    model="llama-3.3-70b-versatile",
    messages=[{"role": "user", "content": "Привет!"}],
)
print(response.choices[0].message.content)

Для переменной GROQ_API_KEY нужно использовать секрет из окружения, а не записывать его в код или конфигурацию проекта. Репозиторий показывает Groq как простой стартовый пример, но конкретные лимиты и набор моделей со временем меняются.

Подключение к кодинг-инструментам

Для Codex CLI достаточно указать совместимый endpoint и ключ:

export OPENAI_BASE_URL="https://api.groq.com/openai/v1"
export OPENAI_API_KEY="$GROQ_API_KEY"
codex --model "llama-3.3-70b-versatile"

В Cursor модель добавляется через настройки соединения: имя модели, базовый URL и API-ключ. Интерфейс Cursor не требует отдельного скрипта — важно только проверить, что выбранный провайдер действительно поддерживает используемый протокол.

С Claude Code README предлагает другой путь. Этот инструмент ожидает Anthropic-совместимый API, поэтому в примере используется OpenRouter:

export ANTHROPIC_BASE_URL="https://openrouter.ai/api"
export ANTHROPIC_AUTH_TOKEN="sk-or-v1-your-key"
export ANTHROPIC_API_KEY=""

В исходном README отдельно отмечено, что для Anthropic-моделей OpenRouter нужно разовое пополнение баланса на 10 долларов. Это не делает OpenRouter полностью бесплатным, поэтому его следует учитывать отдельно от провайдеров с постоянным free tier.

Каталог также описывает настройку OpenHuman, Aider, Cline и Open WebUI. Для более подробных примеров есть отдельные страницы на freellm.net/config/.

Локальные и self-hosted-альтернативы

Бесплатный облачный тариф — не единственный вариант. В README есть отдельный список инструментов, которые работают на собственном компьютере:

Инструмент Назначение
Ollama CLI и API, ускорение на GPU, OpenAI-совместимый endpoint
LM Studio десктопный интерфейс, GGUF-модели и офлайн-работа
llama.cpp лёгкий C/C++-движок для запуска GGUF-моделей
GPT4All приложение, которое может работать на CPU без GPU
Jan.ai приватный офлайн-интерфейс вместо облачного ChatGPT
KoboldCpp один исполняемый файл и акцент на творческие задачи с GGUF

Локальный запуск не устраняет затраты на железо, но убирает зависимость от квоты облачного провайдера и позволяет контролировать данные. Для приватных задач это может быть важнее максимального количества бесплатных моделей.

Как использовать каталог без ловушек

Сначала стоит проверить не только наличие free tier, но и конкретные лимиты: RPM, RPD, TPM, максимальное число одновременных запросов и требования к регистрации. Затем нужно проверить совместимость API с нужным инструментом и убедиться, что выбранная модель поддерживает нужные modalities. Наконец, ключи следует хранить в переменных окружения или секретах CI/CD.

Каталог позиционирует себя как актуальный источник, но не заменяет документацию конкретного провайдера. Перед использованием в production стоит сверить тариф и доступность модели на стороне провайдера. Для быстрого выбора доступен каталог моделей freellm.net/models/, для сравнения — раздел freellm.net/compare/, а для тестового запуска — freellm.net/playground/.

Репозиторий распространяется по лицензии MIT. Главная ценность проекта — не сам код API, а свежая точка входа для поиска бесплатных тарифов, базовых URL, лимитов и готовых конфигураций.

Источник: https://github.com/open-free-llm-api/awesome-freellm-apis